趙蓮芳(通信作者),何豪杰,鄭宗杰
清流縣總醫院 (福建清流 365300)
小兒腸套疊是臨床兒科常見的急腹癥之一,起病急,進展快,好發于2 歲以內的幼兒[1]。腸套疊是指某一近段腸管套入相鄰連接的遠段腸腔內,造成腸內容物通過障礙。該病患兒的主要臨床表現為哭鬧不止、腹痛、嘔吐、進食困難等。臨床腹部觸診可觸及類圓型包塊,部分患兒常常伴有果醬樣便[2]。目前,超聲探查可明確診斷腸套疊,但腸套疊超聲表現與空氣灌腸復位失敗率關系的研究較少,預測腸套疊空氣灌腸復位失敗的研究也鮮有報道。本研究通過回顧性收集臨床資料和小兒腸套疊超聲表現,基于隨機森林算法構建預測腸套疊空氣灌腸復位失敗模型,并運用模型評分進一步分析影響空氣灌腸復位失敗的危險因素,以期為臨床診斷和個體化治療提供更多有效信息。
選取2021 年9 月至2022 年8 月于我院小兒外科就診的86 例腸套疊患兒作為研究對象。空氣灌腸復位成功58 例,其中男27 例,女31 例;年齡(2.32±0.21)歲。空氣灌腸復位失敗28 例,其中男13 例,女15 例;年齡(2.43±0.27)歲。兩組一般資料比較,差異無統計學意義(P>0.05),具有可比性。本研究經醫院醫學倫理委員會審查通過。
納入標準:患兒空氣灌腸復位前均接受超聲掃查,圖像清晰可查;已明確空氣灌腸結果。排除標準:合并其他嚴重并發癥;不能配合研究。
所有患兒空氣灌腸術前接受超聲檢查,超聲儀器為PHILIPS Q7 彩色多普勒超聲顯像儀。在患兒安靜狀態下,暴露其腹部,先使用C5-1 凸陣探頭(工作頻率為3~5 MHz)進行常規腹部掃描,觀察肝臟、膽囊、脾臟及雙側腎臟有無病變,然后使用L4-5 線陣探頭(工作頻率為7~9 MHz),重點觀察腸管有無腸套疊包塊,按照右下腹、右中腹、右上腹、中上腹、左上腹、左中腹、左下腹及下腹部依次掃描患兒腸管。由兩名工作10 年以上的超聲科醫師調閱圖像并分析腸套疊包塊超聲特征,分別記錄包塊短軸最大寬徑及厚徑、套鞘厚徑、長軸包塊套入部長度、腹腔有無淋巴結腫大、有無腹腔積液、腸套疊位置、腸壁血流分級[3]。
空氣灌腸前給予患兒立位透視,了解腹腔情況。將Foley 氏管頭部涂抹石蠟油,插入肛門,肛管氣囊內注入10~15 ml 氣體將肛門堵塞,接上空氣灌腸機。先行診斷性空氣灌腸,診斷壓力為8.0 kPa,在透視熒光屏上觀察氣柱情況,當可見杯口及軟組織塊影時即確診腸套疊。對已確定的病例,如無復位禁忌證,可逐漸增加壓力,通常復位壓力為10.7~13.3 kPa,最高不超過16.0 kPa。維持空氣壓力約5 min 后再停歇,必要時可適當按摩患兒腹部。腸套疊復位成功時可見氣體進入小腸,腫塊消失。
收集兩組發病時間、是否血便、包塊短軸最大寬徑及厚徑、套鞘厚徑、長軸包塊套入部長度、腹腔有無淋巴結腫大、有無腹腔積液、腸套疊位置、腸壁血流分級等臨床資料和超聲影像特征,以上述資料構建模型并進行內部驗證。
采用SPSS 26.0 統計軟件及R4.0.3 軟件進行統計分析。使用R 語言軟件(版本號4.0.3)的“glmnet”軟件包(版本號:4.1-4),應用Lasso 回歸分析剔除變量,篩選獨立預測變量,基于篩選后的獨立變量R 語言的“randomForest”軟件包(版本號:4.7-1),根據獨立預測變量使用隨機森林算法構建預測模型,并繪制受試者工作特征(receiver operating characteristic,ROC)曲線及校準曲線驗證模型預測性能。應用隨機森林算法評分分析獨立預測變量與腸套疊空氣灌腸復位失敗的相關性。P<0.05 為差異有統計學意義。
根據腸套疊空氣灌腸復位術后結果,86 例腸套疊患兒中,空氣灌腸復位成功58 例,空氣灌腸復位失敗28 例。以患兒發病時間、是否血便、包塊短軸最大寬徑、包塊短軸最大厚徑、套鞘厚徑、長軸包塊套入部長度、腹腔有無淋巴結腫大、有無腹腔積液、腸套疊位置、腸壁血流分級為自變量,腸套疊復位術后結果為因變量,納入Lasso回歸模型,模型剔除患兒包塊短軸最大寬徑、包塊短軸最大厚徑、長軸包塊套入部長度、腹腔有無淋巴結腫大、有無腹腔積液、腸套疊位置、腸壁血流分級變量后,篩選出發病時間、是否血便、套鞘厚徑是預測腸套疊空氣灌腸復位失敗的獨立預測變量(圖1)。
以Lasso 回歸篩選的獨立預測變量發病時間、是否血便、套鞘厚徑為自變量,空氣灌腸復位結果為因變量,所有患兒資料為樣本,構建隨機森林算法模型,當模型參數取mtry 為3、ntree 為200 時,模型穩定,誤差最小(圖2a、圖2b)。基于模型繪制ROC 曲線,見圖2c。結果顯示該隨機森林算法模型具有良好的鑒別診斷效能,曲線下面積(area under curve,AUC)為0.980,靈敏度為100%,特異度為90.7%,根據約登指數確定截斷值為0.629。當預測值>0.629 時,小兒腸套疊空氣灌腸復位失敗的概率增加。運用模型可依據每個樣本的發病時間、是否血便、套鞘厚徑為自變量,計算出相應樣本的空氣灌腸復位失敗概率。驗證采用Bootstrap 方法,隨機抽取86 例小兒腸套疊患兒數據進行1 000 次重復,校準曲線顯示結果基本一致,見圖2d。ROC 曲線及校準曲線均顯示該模型在預測腸套疊空氣灌腸復位失敗中具有較好的應用價值。

圖2 腸套疊空氣灌腸復位失敗模型驗證結果
隨機森林算法分析顯示患兒發病時間、是否血便、套鞘厚徑與小兒腸套疊空氣灌腸復位失敗相關,評分顯示影響腸套疊空氣灌腸復位失敗的危險因素依次為套鞘厚徑、發病時間、是否血便(圖3a)。其中套鞘厚徑影響腸套疊空氣灌腸復位失敗權重最大,分析套鞘厚徑與空氣灌腸復位失敗相關性顯示:當套鞘厚徑大于9 mm 時,腸套疊空氣灌腸復位失敗概率較大(圖3b)。

圖3 隨機森林算法模型分析腸套疊空氣灌腸復位失敗因素
幼兒因腸系膜發育尚未成熟,近段腸管在某些外部因素的作用下,可能會套入到相鄰連接遠段腸腔形成腸套疊,觸診時常可觸及腹部類圓形包塊。如果不及時處理,套入段腸管易引起血液供給障礙,繼而導致腸管絞窄性壞死。因此,及時診斷腸套疊至關重要。超聲檢查具有無創、直觀、費用低、重復性好的優勢。腸套疊包塊超聲圖像顯示腹腔內橫切面呈“同心圓”征、縱切面呈“長筒征”包塊。因此超聲檢查對于小兒腸套疊癥具有較高的診斷價值,可作為首選措施使用[4]。
部分腸套疊患兒因發病時間長或套鞘厚徑過大,可能會引起套疊頸部過緊,相鄰腸壁水腫增厚,空氣灌腸時近段腸管套入段很難通過腸套疊頸部退回至近段腸管,降低脫套成功率,若強行空氣加壓復位,腸管穿孔風險加大[5]。因此,依據患兒不同特征預測腸套疊空氣灌腸復位失敗概率和分析引起復位失敗的因素,對腸套疊患兒的治療意義重大。既往有學者應用套鞘厚徑預測腸套疊空氣灌腸復位失敗概率,優點是應用簡便、判斷迅速,缺點是指標單一,模型靈敏度、特異度均較低,不能滿足臨床要求[6]。本研究基于隨機森林算法構建模型,用以預測腸套疊患兒空氣灌腸復位失敗的概率,具有無創、簡便的優勢。
隨機森林算法是一種機器學習算法,其作為一個數據分析方法,在醫學和其他研究領域應用廣泛[7]。本研究以腸套疊患兒腸套疊超聲特征為自變量,空氣灌腸復位結果為因變量構建基于隨機森林算法模型。本研究發現,小兒腸套疊患兒的發病時間、是否血便、套鞘厚徑是影響小兒腸套疊復位失敗的獨立自變量,基于上述獨立自變量構建的列線圖,AUC達0.980,靈敏度為100%,特異度為90.7%,內部驗證也顯示該模型具有較高的準確度和較好的預測效果,且當截斷值>0.629 時,腸套疊空氣復位失敗概率增加。因此,該模型作為預測腸套疊空氣灌腸復位失敗概率的無創、簡便工具,具備良好的臨床應用價值及前景。
隨機森林算法評分顯示,影響腸套疊空氣灌腸復位失敗的危險因素依次為套鞘厚徑、是否血便、發病時長。本研究顯示,當套鞘厚徑大于9 mm 時,空氣灌腸復位失敗率明顯增加。套鞘厚徑為腸套疊包塊最外圈低回聲厚徑,既往研究認為隨著套疊部腸管血液回流發生障礙,腸管管壁水腫加重,低回聲外圈厚徑增加,空氣灌腸復位成功率隨之下降;當套鞘厚徑大于12 mm 時,空氣灌腸復位成功率下降至33%[8]。陳英生等[9]研究腸套疊包塊低回聲外圈厚徑與水壓灌腸復位成功率的關系認為腸套疊包塊低回聲圈厚徑越厚,其復位成功率也越低,當腸套疊包塊低回聲圈厚徑超過9 mm 時,水壓復位成功率明顯下降,與本研究相符。
本研究顯示,患兒發病時長也是決定空氣灌腸復位成功的關鍵因素之一。郭兆坤等[10]研究認為腸套疊患兒發病時間越長,套入的腸管及腸系膜缺血時間越長,水腫越明顯,導致套入腸管與套鞘嵌頓越緊,空氣灌腸復位成功率也越低。因此腸套疊一旦診斷明確,應及時行空氣灌腸復位術,以增加復位成功率,減少并發癥。本研究顯示,患兒是否血便為另一個預測能否行空氣灌腸復位的獨立變量。當腸套疊患兒血便時,復位成功率下降可能的原因為隨著腸套疊發病時間延長,發生腸缺血壞死概率增加,腸腔內可出現套疊間的積液;也有學者研究顯示存在血便與不存在血便兩組患兒行空氣灌腸復位的結果比較,差異無統計學意義[11],如此差異可能是因本研究樣本含量較少,選擇偏倚所致,今后研究應注意加大樣本量。
本研究基于腸套疊患兒臨床資料與超聲特征構建隨機森林算法模型,可提高預測空氣灌腸復位失敗概率的準確度,在一定程度上對臨床醫師為腸套疊患兒選擇最優治療方案提供更多依據。